Nächste Seite: Satz von Gliwenko-Cantelli
Aufwärts: Empirische Verteilungsfunktion
Vorherige Seite: Empirische Verteilungsfunktion
  Inhalt
Definition und elementare
Eigenschaften
- Man kann sich leicht überlegen, dass für jeden Vektor
die in (61) definierte
Abbildung
|
(62) |
die Eigenschaften einer Verteilungsfunktion hat.
- Die in (62) gegebene Abbildung wird deshalb
empirische Verteilungsfunktion der (konkreten)
Stichprobe
genannt.
Dies führt zu der folgenden Begriffsbildung.
- Definition
- Die Abbildung
mit
|
(63) |
heißt empirische Verteilungsfunktion der Zufallsstichprobe
.
- Beachte
-
- Die in (63) gegebene Abbildung
kann man als eine Familie
von
Zufallvariablen
auffassen.
- Eine solche Familie von Zufallsvariablen wird empirischer Prozess
genannt. Empirische Prozesse bilden eine spezielle Klasse
stochastischer Prozesse, d.h., eine Familie von
Zufallsvariablen, die über einunddemselben
Wahrscheinlichkeitsraum definiert sind.
Theorem 1.17
Für jedes
gilt:
- 1.
- Die Zufallsvariable
ist binomialverteilt
mit den Parametern und , d.h., es gilt
|
(64) |
- 2.
- Insbesondere gilt
und |
(65) |
- 3.
- Mit Wahrscheinlichkeit gilt
|
(66) |
- 4.
- Falls , dann gilt außerdem für jedes
|
(67) |
wobei die Verteilungsfunktion der
Standardnormalverteilung ist.
- Beweis
-
- Beachte
-
Weil die Zufallsvariable
den Erwartungswert
hat (vgl. (65)), kann
als ein geeigneter Schätzer von angesehen werden.
Nächste Seite: Satz von Gliwenko-Cantelli
Aufwärts: Empirische Verteilungsfunktion
Vorherige Seite: Empirische Verteilungsfunktion
  Inhalt
Ursa Pantle
2004-07-14